分析力学基本原理介绍5：约束系统与拉格朗日乘数法

作者: 有限与微小的面包 | 来源:发表于2019-12-14 10:38 被阅读0次

分析力学基本原理介绍5：约束系统与拉格朗日乘数法
如何分摊秘密（七）
拉格朗日乘数法
机器人动力学方程（二）：拉格朗日法
最优化问题03|等式约束
[Stay Sharp]线性可分SVM公式--李航《统计学习方法
【转】拉格朗日对偶
F统计量的似然比原理表达式
制度与拉格朗日乘数
用人话讲明白支持向量机SVM（下）

哈密顿原理即可被用于完整约束的系统，又可被用于非完整约束的系统。一般情况下，当我们考虑一个只含有完整约束的系统时，我们总是可以利用约束方程消去相应若干个坐标，保证最后剩下的坐标都相互线性独立。但是坐标的虚位移不一定总是线性独立的，这时就需要用新的方法将线性依赖的虚位移消去。这个方法被称为拉格朗日待定乘数法(Lagrange undetermined multipliers)。

假设系统存在 $n$ 个变量， $m$ 个完整约束方程 $f_\alpha$ ，修正后的泛函为

$I = \int_1^2\left(\mathscr{L}+ \sum_{\alpha = 1}^m\lambda_{\alpha}f_{\alpha}\right)dt$

其中 $\lambda_{\alpha}$ 为待定变量。

如果待定量 $\lambda_{\alpha}$ 与坐标 $q_{\alpha}$ 都是独立变量，分别考虑待定量和坐标的变分，我们将得到 $n+m$ 个方程。

首先考虑待定量 $\lambda_{\alpha}$ 的变分，

$\delta I = I(q, \lambda + d\lambda) - I(q,\lambda)$

括号中的变量均为缩写，比如

$q = q_1, q_2,...,q_n$

于是

$\delta I = \int_1^2\sum_{\beta = 1}^m\sum_{\alpha = 1}^mf_{\alpha}\frac{d\lambda_{\alpha}}{d\lambda_{\beta}}d\lambda_{\beta}\;dt = \int_1^2 \sum_{\alpha = 1}^mf_{\alpha}d\lambda_{\alpha}\;dt$

因为虚变分 $\mathbf{\delta} I = 0$ ，所以

$f_{\alpha} = 0$

可见，计算待定量 $\lambda_{\alpha}$ 的变分，我们复原了这 $m$ 个约束方程。

接下来考虑坐标 $q_{\alpha}$ 则有

$\delta I = \int_1^2dt\left[ \sum_{i=1}^n\left( \frac{d}{dt}\frac{\partial \mathscr{L}}{\partial \dot{q_i}} - \frac{\partial \mathscr{L}}{\partial q_i} + \sum_{\alpha = 1}^m\lambda_{\alpha}\frac{\partial f_{\alpha}}{\partial q_i}\right)\delta q_i\right] = 0$

拉格朗日乘数法的意义就在于，我们通过求解 $\lambda_{\alpha}$ （找出一组特殊的组合系数），使得括号里的总系数为零——只挑选线性独立的虚位移。

因为一共有 $m$ 个约束，所以线性独立的虚位移个数为 $n - m$ 。

所以我们将得到 $m$ 个形如下述的方程：

$\frac{d}{dt}\frac{\partial \mathscr{L}}{\partial \dot{q_k}} - \frac{\partial \mathscr{L}}{\partial q_k} + \sum_{\alpha = 1}^m\lambda_{\alpha}\frac{\partial f_{\alpha}}{\partial q_k} = 0$ ， $k = 1,2,...,n$

剩下 $n - m$ 方程则来自于坐标的虚变分 $\mathbf{\delta} q_i$ 。

上述表达式可以写成：

$\boxed{\frac{d}{dt}\frac{\partial \mathscr{L}}{\partial \dot{q_k}} - \frac{\partial \mathscr{L}}{\partial q_k} = -\sum_{\alpha = 1}^m\lambda_{\alpha}\frac{\partial f_{\alpha}}{\partial q_k} = Q_k}$

等式右侧为我们熟悉的广义力。该广义力代表了在该系统中产生约束所需力的大小（约束力的大小）。这是从数学分析中直接得到的结论，约束力的方向则需借助物理分析来获得。

分析力学基本原理介绍5：约束系统与拉格朗日乘数法
哈密顿原理即可被用于完整约束的系统，又可被用于非完整约束的系统。一般情况下，当我们考虑一个只含有完整约束的系统时，...
如何分摊秘密（七）
十、拉格朗日插值法本节介绍拉格朗日插值法，学过的读者请略过。从数值分析的角度来看，拉格朗日插值法常被描述成是用...
拉格朗日乘数法
拉格朗日乘数法在求解函数最优化问题中，拉格朗日乘子法（Lagrange Multiplier）和KKT（Karu...
机器人动力学方程（二）：拉格朗日法
1、拉格朗日法拉格朗日法是一种基于能量的动力学方法，从拉格朗日函数L（系统动能和势能的差值）出发来建立机器人动力...
最优化问题03|等式约束
施加约束的目的是对所讨论的最优化问题中存在的某些限制因素给出合理的认识。一、求稳定值（一）拉格朗日乘数法（二...
[Stay Sharp]线性可分SVM公式--李航《统计学习方法
SVM线性可分支持向量机的最优化问题是：在数学中的最优化问题中，拉格朗日乘数法（以数学家约瑟夫·拉格朗日命名）是...
【转】拉格朗日对偶
拉格朗日对偶本文承接上一篇约束优化方法之拉格朗日乘子法与KKT条件，将详解一些拉格朗日对偶的内容。都是一些在优...
F统计量的似然比原理表达式
在做假设检验时，如果接受原假设，则可将此原假设作为约束条件，代入最小二乘法的最优化问题。拉格朗日乘数法如果H0...
制度与拉格朗日乘数
晚上看到18if在B站的第二话选择性下架了. 然后追述了下原因看到知乎上的这个话题.https://zhihu.c...
用人话讲明白支持向量机SVM（下）
目录 4.求解超平面4.1几何间隔4.2凸二次规划4.3拉格朗日乘数法5.线性可分问题小结 4.求解超平面上篇仅...